Interspeech 2026 MLC-SLM 挑战任务 2 的 Eloquence 提交作品

本文详细介绍了 Eloquence 团队在 Interspeech 2026 上第二届 MLC-SLM 挑战赛任务 2 中的方法，其中涉及跨 21 种语言的多语言多项选择问答 (MCQA)。探索了三种方法。首先，我们通过 LoRA 通过跨语言数据增强、ASR 转录增强和时间戳感知音频裁剪对 Voxtral-Mini-3B 进行微调，在评估第 2 阶段达到 0.72 的宏观准确度。其次，我们将多模态上下文学习 (ICL) 应用于冻结的 Voxtral-24B 模型，以纠正强烈的标签偏差，达到 0.81，这是我们的最佳结果。第三，基于结合声音识别、语义内容和知识图谱的三层语音锚定记忆的无需训练检索系统达到了0.68。所有三个系统的性能都大大优于官方基准。